本工具包为快速构建抽卡游戏抽卡模型设计，通过引入“抽卡层”，以抽卡层的组合快速实现复杂的抽卡逻辑，并以较低的时间复杂度计算抽卡模型对应的分布。除了计算分布，工具包还提供一些将计算结果可视化的绘图工具，并计划加入更多的针对各类抽卡问题的计算工具和设计工具。
对于原神圣遗物、崩铁遗器这类随机提升副词条的模型提供了词条模拟工具和更快速且误差很小的近似计算工具。但请注意，这部分代码接口可能大幅改动。
工具包在线文档在持续完善中，使用交流QQ群：797922035。
本工具包的依赖库很简单，只需要在 Python>=3.9 环境中安装numpy和scipy即可。如果需要使用工具包提供的画图代码，还需安装 matplotlib。如果你不需要使用最新版，还可以直接从PyPI安装。
pip install GGanalysis工具包目前还在开发中，如想安装本工具包最新版本，可以打开终端输入以下指令，安装完成后下载文件可以删除。
git clone https://github.com/OneBST/GGanalysis.git
cd GGanalysis
pip install .画图时需要安装思源黑体，安装对应版本后即可使用，若出现找不到字体的情况，Windows 下检查 C:/Windows/Fonts/ 下是否有以 SourceHanSansSC 开头的otf字体（Linux 则检查 ~/.local/share/fonts/）
如果安装后还是找不到字体，请将 GGanalysis/plot_tools.py 内 mpl.rcParams['font.family'] = 'Source Han Sans SC' 自行修改为你指定的字体。
可以在在线文档中查看详细使用指南，这里简单举例
使用定义好的抽卡模型计算抽卡所需抽数分布
# 计算抽卡所需抽数分布律 以原神为例
import GGanalysis.games.genshin_impact as GI
# 原神角色池的计算
print('角色池在垫了20抽，有大保底的情况下抽3个UP五星抽数的分布')
dist_c = GI.up_5star_character(item_num=3, item_pity=20, up_pity=1)
print('期望为', dist_c.exp, '方差为', dist_c.var, '分布为', dist_c.dist)
# 计算抽卡所需抽数分布律 以明日方舟为例
import GGanalysis.games.arknights as AK
# 普池双UP的计算 item_num是要抽多少个 item_pity是当前垫了多少抽，从零开始填0就行
dist_c = AK.dual_up_specific_6star(item_num=3, item_pity=20)
print('期望为', dist_c.exp, '方差为', dist_c.var, '分布为', dist_c.dist)绘制简略的概率质量函数图及累积质量函数图
# 绘图前需要安装 matplotlib 以及需要的字体包
import GGanalysis.games.genshin_impact as GI
# 获得原神抽一个UP五星角色+定轨抽特定UP五星武器的分布
dist = GI.up_5star_character(item_num=1) * GI.up_5star_ep_weapon(item_num=1)
# 导入绘图模块
from GGanalysis.gacha_plot import DrawDistribution
fig = DrawDistribution(dist, dpi=72, show_description=True)
fig.draw_two_graph()每个游戏的抽卡模型定义在 GGanalysis/games/gamename/gacha_model.py 文件中
每个游戏的绘图程序在项目 GGanalysis/games/gamename/figure_plot.py 文件下可参考
目前工具包支持的抽卡层仅适用于满足马尔科夫性质的抽卡模型，即给定现在状态及过去所有状态的情况下，未来抽卡的结果仅仅依赖于当前状态，与过去的状态是独立的。不过好消息是，游戏的抽卡系统基本都满足这样的性质。
当前工具包能实现的抽卡模型是有限的，仅能实现能被给出的四种抽卡层组合出来的模型。对于类似“300井”等，在一定抽数后直接为玩家提供道具的模型，在本工具包框架下仅需简单修改即可。而对于类似不放回抽样的奖品堆模式、集齐碎片兑换模式等，还待之后继续扩展功能。
同时迭代方法计算n连抽获得k个道具概率尚未经过严格数学证明，使用时需要注意。
你可以一起参与本项目的建设，添加更多游戏的支持，提交 pull request 时先选择提交到 develop 分支，确定无问题后会被合并到 main 分支。
如果要在本地进行开发，不推荐使用以上安装方法，请使用：
pip install -e . 这样调用包时会使用本地文件位置的包，就可以随时使用本地更改过的版本了！